MétaCan
Menu
Retour à la cohorte
Enregistrement W2113561474 · doi:10.1071/ch11294

Borinic Acids: A Neglected Class of Organoboron Compounds for Recognition of Diols in Aqueous Solution

2011· article· en· W2113561474 sur OpenAlexafffund
Michael G. Chudzinski, Yuechuan Chi, Mark S. Taylor

Notice bibliographique

RevueAustralian Journal of Chemistry · 2011
Typearticle
Langueen
DomaineChemistry
ThématiqueMolecular Sensors and Ion Detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaUniversity of Chicago
Mots-clésChemistryBoronic acidSteric effectsAqueous solutionSelectivityMolecular recognitionOrganic chemistryBiocatalysisCombinatorial chemistryMoleculeIonic liquidCatalysis

Résumé

récupéré en direct d'OpenAlex

Association constants between diphenylborinic acid and representative analytes capable of reversible two-point covalent binding (diols, catechols, and hydroxy acids) were determined using an indicator-displacement assay. Unlike boronic acids, which have been studied in great detail as receptors for diols and related compounds, borinic acids have effectively been ignored as candidates for such applications. The results of this study indicate that diphenylborinic acid displays high affinity for certain analytes of this type in aqueous solution. Of particular interest are differences between the selectivity of the borinic acid and that of a boronic acid of similar pKa towards the series of analytes studied: the borinic acid displays an unusually high level of discrimination for catechols over carbohydrates. The distinct selectivity observed, and the unique opportunities for steric and electronic tuning of diarylborinic acids, suggest that these compounds hold significant potential for applications in aqueous-phase molecular recognition.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,251
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of ChemistryMême sujetMolecular Sensors and Ion DetectionTravaux en français237 207